随着社会老龄化速度的加快和家庭结构的演变,中国“空巢”家庭数量大量增加,目前全国大约有1824万的老年人生活在单身空巢家庭里面。预计到2030年,我国老龄人口将达3亿,而空巢老人家庭比例或将达到90%。“老龄化空巢化”引发越来越多的老年人身心健康问题,老年人日常生活中的行动安全已成为国际社会关注的焦点,跌倒是影响老年人日常身心健康的重要因素。在我国,跌倒是伤害死亡的第四大原因,而在65岁以上的老年人当中则居首位。老年人跌倒会造成大量残疾,影响老年人的日常生活质量。老年人跌倒带来的伤害及医疗成本不仅与跌倒时身体受到的撞击情况有关,在很大程度上还取决于救助时间的长短。因此能够实时检测老年人跌倒事件的发生,并且在跌倒后及时发出求救信号,最大限度降低跌倒给身体带来的严重伤害,具有重要的意义。研究开发人体跌倒检测系统方面的技术有很多种,以前常见的有视频图像分析法和穿戴式装置检测法。基于视频图像的跌倒检测系统是通过安装在室内的一个或几个视频摄像头捕捉人体运动的画面,经过图像处理算法,确定是否发生跌倒。然而图像分析的算法往往较复杂,系统成本较高,只能在一定区域内进行检测,并且由于采集的是图像信息,容易暴露用户的个人隐私。穿戴式装置跌倒检测系统通常采用微型传感器,由人体携带或穿戴在身上进行跌倒检测,可以实时监测人体的活动,当人体的运动参数发生改变时,通过算法判断是否发生了跌倒。缺点是传感器装置需要用户长期穿戴,会对人体活动造成一定的影响,且装置需要基站来服务,装置与基站的最大距离是有限的,不利于跌倒检测装置大范围的推广使用。近些年,移动计算技术的发展和运动传感器的微型化极大地推动了基于移动手机的跌倒检测技术应用研究。当前,智能手机用户数量持续高速增长,智能手机已经成为人们日常生活中不可或缺的一部分,更是出行必备工具。智能手机除了基本的通话功能外,本身还嵌入了大量的传感器,比如,加速度传感器、方向传感器、数字罗盘、GPS、陀螺仪和距离传感器等,智能手机本身同时结合了一个典型跌倒检测系统的两个重要组件：跌倒检测和救助通信。使用智能手机作为跌倒检测系统可以使用户利用其已有的手机设备,降低了系统成本,并且还可以和手机内置的GPS等无线定位装置相结合,便于对用户的跌倒位置进行确定。目前,国内在基于手机内置传感器跌倒检测技术方面的研究相对较少,国外的研究学者曾提出利用手机中的三轴加速度传感器获取人体的加速度信号,提取合加速度幅值和倾角进行跌倒判断,在跌倒发生后可以直接通过手机进行拨号报警。然而单独使用加速度传感器进行跌倒检测,采集的数据比较单一,不足以完全反映人体姿态变化,如快速坐下、慢跑等一些较高强度人体活动也会产生一个类似跌倒的大加速度值特征,这会给跌倒检测带来许多假警报。现有算法中还使用倾角进行跌倒判断,但该算法只适用于手机被固定在用户躯干某固定位置的情况,否则无法准确判断用户是否跌倒,然而这不符合人们日常生活中手机的惯常携带方式。基于以上研究背景,本文提供一种利用智能手机作为跌倒检测系统来检测跌倒事件的解决方案。通过利用智能手机内置的加速度传感器和陀螺仪实时获取人体运动姿态信息,使用跌倒检测算法判断跌倒事件的发生,最后进行智能报警。本文主要工作分为跌倒过程分析及模型建立、跌倒检测算法设计、算法评价、系统软件实现四个部分。1、跌倒过程分析及模型建立跌倒过程中会经历失重阶段、碰撞阶段和最后的静止阶段,期间人体的加速度及角速度会发生较大变化。应用三维直角坐标系可以建立人体躯干坐标系,以上躯干某一位置为坐标原点,躯干的正前方、躯干的左方以及躯干正上方为人体坐标系的三个坐标轴方向,人体运动过程中任意方向的加速度向量和角速度向量均可分解为三个坐标轴方向上的分量。2、跌倒检测算法设计跌倒检测算法的目的是要区分跌倒过程和日常生活行为过程,实验设计中手机被放置于人体胸部口袋处,并采集数据样本,提取相应的特征量作为依据。利用Matlab进行实验数据处理,得到算法中用于跌倒检测的合加速度特征量、合角速度特征量以及相似度特征量,其中相似度特征量为本文首次提出用于跌倒检测的特征量。算法检测过程主要分为四个阶段：第一,智能手机以固定频率采集加速度传感器输出的三轴加速度信息数据和陀螺仪输出的三轴角速度信息数据,并保存结果数据。计算某时刻合加速度数据值,并与合加速度阈值进行比较,如果合加速度值大于阈值,则检测进入下一阶段。第二,计算同一时刻的合角速度数据值,并与合角速度阈值进行比较,如果合角速度值大于其阈值,则检测进入下一阶段。第三,设置定时器等待人体姿态稳定,然后计算相似度值,并与相似度阈值进行比较,如果相似度值大于其阈值,则疑似一个跌倒的发生。第四,当算法检测到一个疑似跌倒事件,就会进入智能报警模式,该模式下用户可以在一个可设置的时间内取消报警,如用户没有任何操作,则最终确定上述跌倒事件,发送紧急警报信息及拨打电话。其中,前三个阶段中如果有任一阶段出现特征量值小于阈值,则算法会立即中断,返回到第一阶段继续进行跌倒检测判断。3、算法评价为验证本文跌倒检测算法的有效性,设计了跌倒组和非跌倒组对比实验。使用敏感性、特异性和准确度评估指标来评价算法的性能。从实验结果数据中得到算法的敏感性为88%,特异性为92%,准确度为90%,实验结果表明本文算法是一种有效的跌倒检测算法。4、系统软件实现本文跌倒检测系统是基于智能手机平台的应用程序软件的开发而实现的,选择Android操作系统作为应用软件的开发平台。软件设计功能模块主要分为数据管理模块和报警处理模块,其中数据管理模块具有采集数据功能、存储数据功能、实时处理数据功能,主要把传感器输出的加速度数据和角速度数据保存到应用程序建立的SQLite数据库中,并且依据算法流程实时处理这些数据,直到算法检测到一个跌倒事件的发生；报警处理模块是智能报警模式处理部分,包括启动报警取消机制、启动GPS模块获取位置信息、发送紧急信息和拨打电话。本文是基于智能手机的跌倒检测技术的研究,主要是针对独居老年人的日常生活运动状态实时监测,在发生跌倒或意外的情况下及时通知家人和医护人员,提高救助效率和老年人的生活质量。针对老年人跌倒检测的研究具有重要的社会意义,且基于智能手机的人体跌倒检测技术研究具有广泛的应用前景。本文完成的研究成果和创新点有以下几个方面：第一,对人体跌倒过程进行分析,首次提出使用相似度特征量进行跌倒判断；第二,设计了基于智能手机的跌倒检测算法；第三,设计了综合实验对算法的有效性进行评价；第四,完成了跌倒检测系统Android软件的设计。